nuprl/EditPackFT

EditPackFT是一个用于训练大语言模型（LLMs）进行指令性代码编辑任务的数据集。主要列包括old_contents（编辑前的代码）、instruction（将before代码转换为after代码的指令）、new_contents（编辑后的代码）和content（预格式化的训练窗口，用于训练LLM，格式为<before><instruction><after>）。该数据集是从CommitPackFT中过滤得到的。

原始信息汇总

数据集概述

数据集信息

• 特征列表:
  • commit: 字符串
  • old_file: 字符串
  • new_file: 字符串
  • old_contents: 字符串
  • new_contents: 字符串
  • subject: 字符串
  • message: 字符串
  • lang: 字符串
  • license: 字符串
  • repos: 字符串
  • ndiff: 字符串
  • instruction: 字符串
  • content: 字符串
• 数据分割:
  • train: 字节数为113752028，样本数为22602
• 下载大小: 48124127字节
• 数据集大小: 113752028字节

配置信息

• 配置名称: default
  • 数据文件:
    • train: 路径为data/train-*

任务类别

• 文本生成

标签

• 代码

许可证

• MIT

友好名称

• CanItEdit

语言

• 代码

主要列

1. old_contents: 编辑前的代码
2. instruction: 将before代码转换为after代码的指令
3. new_contents: 编辑后的代码
4. content: 预格式化的训练窗口，可用于以<before><instruction><after>格式训练LLM